本期，笔者通过Python实现对大麦网近期全国演唱会数据进行爬取，通过分析，我们发现大麦网属于Python爬虫策略中“中等型”难度网站，演唱会数据封装在json文件中。因此，我们简单的通过requests、json就可以将数据爬取出来，后期通过pandas进行数据筛选并保存至Excel文件中。1.目标网站分析
检查一下看xhr中有没有我们需要的数据。
很好，就在xhr中用json封装了数据。2.构造相应的Request URL
request url中只有一个参数变化，那就是“Page=”这个选项变了，简单了😄，一共6页，直接循环构造了。
for i in range(1,7): url=f'https://search.damai.cn/searchajax.html?keyword=&cty=&ctl=%E6%BC%94%E5%94%B1%E4%BC%9A&sctl=&tsg=0&st=&et=&order=1&pageSize=30&currPage={i}&tn='# print(url)
3.requests爬虫走起
直接上代码：
def crawl(url): headers={ 'cookie': 'cna=J7K2Fok5AXECARu7QWn6+cxu; isg=BCcnDiP-NfKV5bF-OctWuXuatl3xrPuOyBVJJfmQLrZn6ESqAX0y3jrhCuj2ANMG; l=eBSmWoPRQeT6Zn3iBO5whurza77O1CAf1sPzaNbMiIncC6BR1AvOCJxQLtyCvptRR8XcGLLB4nU7C5eTae7_7CDmndLHuI50MbkyCef..', 'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36' } response=requests.get(url,headers=headers) json_text=json.loads(response.text) # print(json_text.keys()) rdata=json_text['pageData']['resultData']# print(rdata) return(rdata)
加一个headers，简单做一个防反爬。4.保存至excel文件基本思路是将每页数据保存成pandas的DataFrame结构，然后进行拼接，拼接完后再保存到Excel文件中。
inidata=pd.DataFrame(columns=('name','actors','cityname','showtime','price_str','venue','venuecity','verticalPic'))for i in range(1,7): url=f'https://search.damai.cn/searchajax.html?keyword=&cty=&ctl=%E6%BC%94%E5%94%B1%E4%BC%9A&sctl=&tsg=0&st=&et=&order=1&pageSize=30&currPage={i}&tn='# print(url)# print(crawl(url)) data=pd.DataFrame(crawl(url)) data1=data[['name','actors','cityname','showtime','price_str','venue','venuecity','verticalPic']] inidata=inidata.append(data1)# print(inidata)inidata.to_excel('大麦网演唱会.xlsx',index=0)
5.看看效果
完美收工！好了，大麦网的演唱会数据就保存到电脑上了，具体代码我上传至github上，链接如下：
https://github.com/gudanhero2018/Python/blob/master/parse_damai.py
